この3部構成のブログシリーズの第2回では、ウェビナーから「#2 – AIはプラグアンドプレイ」という神話を掘り下げます。 保険金請求におけるAI：神話、現実、そしてExCoギャップ.
人工知能（AI）は、保険イノベーションにおいて最も広く議論されているトピックの1つとなっています。保険会社やMGA（保険代理店）は、保険金請求の効率化、不正請求の削減、顧客体験の向上などを目指して、あらゆる場所でAIを実験しています。.
しかし、熱狂とは裏腹に、厳しい現実が浮き彫りになってきました。.
保険会社の70%以上%がAIイニシアチブを実行していますが、組織全体でパイロットを成功裏にスケールアップできたのはわずか7%です。.
実験とインパクトのある展開との間のギャップが、なぜこれほど大きく残っているのでしょうか。
その理由の一つは、AIシステムは基本的にプラグアンドプレイであるという考えですが、これは神話です。.
デモンストレーションや初期の概念実証では、AIはしばしば信じられないほど強力に見えます。少数のドキュメントをアップロードすると、システムはデータを完璧に抽出します。質問をすると、その答えがすぐに返ってきます。.
しかし、Sprout.aiのAI責任者として バーニー・カミュ ウェビナーで説明したように、これらの初期の成功は、実際の保険環境でのAI導入に必要なことについて非現実的な期待を生む可能性があります。.
危険な実生活
“「AIは概念実証においては素晴らしいものになり得ます」と彼は言いました。「しかし、実際の請求データには、本番環境での実装をはるかに困難にするエッジケースが含まれています。」”
ライブ請求部門でAIを実用化することは、非構造化データという「厄介な」現実に直面することを意味します。請求書類は、きちんと整理されていたり、一貫性があったりすることはめったにありません。手書きのメモ、破損した領収書、情報の欠落、予期しないフォーマットなどはすべて一般的です。これらの各バリエーションは、自動化システムに課題を生じさせます。.
有望なプロトタイプと信頼性の高い運用システムとの違いは、しばしば、これらのエッジケースがどれほどうまく処理されるかにかかっています。.
カミュは、標準的なAIモデルは多くの文書処理タスクにおいて、初期段階で約80% の精度を達成する可能性があると指摘しました。残りの改善には、実際の請求データに現れる厄介で予測不可能なシナリオに対処するための慎重な作業が必要です。.
“「最後の5〜10パーセントは、エッジケースで構成されていることが多いのです」と彼は説明した。.
しかし、技術的な課題だけがすべてではありません。.
成果ではなくテクノロジーに焦点を当てた目標設定
によると ロイ・アミール, 多くのAIプロジェクトは、組織が間違った目標から始めるために苦労しています。測定可能な運用成果に焦点を当てるのではなく、テクノロジー自体に焦点を当てています。.
“「目標はビジネスインパクトでなければならない」とアミールは言った。「AIはそのための単なるツールだ。」”
運用上の明確な目標、つまりカバレッジ精度の向上や請求サイクルタイムの短縮などがなく、プロジェクトは変革イニシアチブではなく実験になるリスクがあります。.
統合もまた重要な要素です。AIシステムは、実際に意思決定が行われるワークフロー内で動作する必要があります。これは、請求管理および保険契約管理プラットフォームとの統合を意味します。.
最終的に、成功するプロジェクトは、投資に見合うだけの大きな潜在的影響力を持つユースケースに焦点を当てる傾向があります。大量のプロセスにAIを適用することで、速度、精度、コストにおいて実質的な改善をもたらすことができます。.
保険会社がパイロット段階を超えて進むための教訓は明確です。AIトランスフォーメーションは単なるテクノロジーの導入ではありません。明確なビジネス目標、堅牢なアーキテクチャ、そして請求データという業務上の現実に対処する意欲が必要です。.
成功する企業は、AIの導入が「プラグアンドプレイ」という夢物語ではなく、一貫した価値を大規模に提供する堅牢で統合されたフレームワークを構築することにかかっていることに気づくでしょう。AIは、顧客体験を改善し、損失を削減し、競争優位性を強化するという方法で、保険金請求業務を再構築する可能性を秘めています。.